开发者厘清「speech-to-speech」定义：原生音频轮转模型才算数
pbbakkum · x · 2026-10-31
有开发者对语音领域被滥用的营销术语提出精确界定：「speech-to-speech」应专指具有原生音频输入与输出的轮转式（turn-based）LLM。它与两类模型不同：一是隐藏在统一 API 之后的级联（cascaded）模型——实为 ASR+LLM+TTS 的拼装；二是 gpt-live-1 这类全双工（full duplex）非轮转语音模型。他呼吁各家厂商「据此调整你们的新闻稿」。
「模型」频道最新
- 开发者吐槽各大模型沉迷重写新代码，存量项目被折腾惨 — yacineMTB · 2026-10-31
- 爆料账号暗示 OpenAI「Sammy」即将有大动作,未证实 — iruletheworldmo · 2026-10-31
- 本地跑 Kimi K3.1 要 3 万美元,博主称私有推理值得这个价 — bookwormengr · 2026-10-31
- 4 天提升 67%,DeepSeek V4.1 Flash 单卡吞吐冲上 109 万 tok/s — BanghuaZ · 2026-10-31
- AA 新幻觉榜 DeepSeek 垫底引争议,teortaxes 发文驳「野鸡榜单」论 — teortaxesTex · 2026-10-31
- 博主给三个旗舰模型布置过夜长任务，明早验收谁干得最好 — therealdanvega · 2026-10-31